見總統是否起立?人事長蘇俊榮稱一定會:這是基本禮貌
太報.2024年9月30日 11:32
人事長蘇俊榮。陳品佑攝
行政院人事總處人事長蘇俊榮今(9/30)赴立法院司法及法制委員會進行業務報告並備詢。針對近日傳出國軍將官見到總統賴清德沒起立,遭賴清德怒罵,被稱是「軍中立威」一事,國民黨立委羅智強質詢時問及,若見到總統是否會起立?蘇俊榮表示,「這是基本禮貌」,羅智強追問,即使總統幕僚先告知可以不用起立?蘇俊榮則強調:「我還是會起立」。

賴清德8月主持「113年上半年陸海空軍晉任將官勗勉典禮」後,府方特別舉辦茶會,有報導指出,因總統府一名女性官員稱該活動性質輕鬆,請晉任將官坐著就好,讓賴清德進場時未見將官起立「氣得大罵」,並將手中資料往地上摔,宣稱是賴清德要在「軍中立威」。對此,國防部澄清,此為別有用心的錯誤描述,以道聽途說方式損害三軍統帥形象、打擊士氣。

羅智強今質詢時,試圖模擬該場景,並問蘇俊榮,見到總統會不會起立?蘇俊榮表示,「這是基本禮貌」,羅智強追問,即使總統幕僚先告知可以不用起立?蘇俊榮則強調:「我還是會起立」。

羅智強另談及衛福部長邱泰源日前爆料賴清德致電環境部長彭啟明,原本說是「罵」,後來彭啟明釋疑說是總統希望他「更積極一點,更勇於任事」。羅智強詢問,會認為總統是要提點還是要求反省?蘇俊榮答覆:「我都是正面思考,就像長輩在提醒你要注意而已,是好事!」

羅智強聞言後直指,所有的政府首長、將官,都是國家棟樑,不是來當奴才,把人家尊嚴踩在地上,人跟人之間,相互尊重是基本的,賴清德應該要情緒管理一下,大家都是為國家奉獻服務,他最近火氣大,應該喝青草茶降溫,不要輕易動怒。蘇俊榮則說,當公僕本就是為國家奉獻服務。

更多太報報導
賴清德怒罵將官?軍方高層還原現場「只是提醒儀節」 藍委:確有生氣
立威?傳賴清德怒罵將官、摔資料 林楚茵:總統非激情演出的演員
綠委直播流量全輸他!黃國昌酸:賴施政貧乏「可能立委不知要說什麼」

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

賴清德 飆罵 將官

林右昌 謝國樑

黃紹庭 浮報 助理費案

賴清德 怒罵 將官

民眾黨 威京 獻金

颱風 山陀兒

三立新聞網 setn.com
今日新聞NOWnews
TVBS新聞網
中時新聞網
賴清德茶會罵將官?吳思瑤澄清「沒有的事」 曝他20年只為1事動怒過
外傳總統賴清德在8月出席國防部晉任將官茶會時,因不滿將官見到他時仍坐著而動怒,民進黨團幹事長吳思瑤今(30日)受訪表示,總統府、國防部都已經清楚澄清,絕對沒有立威、動怒,希望事實回歸事實,沒有的事不要以訛傳訛。此外,吳思瑤也透露,賴清德最動怒的一次,就是在國民黨程序委員會國會多數時,一直擋下台灣軍購預算,「這是我認識賴清德20年,第一次看到他動怒,但他為的是國家福祉與台灣防衛安全。」
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司